Come si indicizzano i documenti in SOLR?

Question

Im eseguendo Solr 1.4 su Ubuntu 10.04 (installato tramite apt-get solr-tomcat) e sembra funzionare correttamente. Sto avendo qualche difficoltà a trovare comunque delle informazioni coerenti su come indicizzare i documenti. Sono nuovo di SOLR quindi portami con me! Ho una cartella (/ mnt/cartella) che è una condivisione Windows montata, che contiene file Word e PDF che vorrei indicizzati, qual è il modo più semplice per far sì che SOLR indicizzi l'intera cartella?

La documentazione di SOLR è piuttosto scadente, è impossibile trovare tutorial decenti su come fare le cose, quindi qualsiasi aiuto è molto apprezzato!

S

Answer 1

Date un'occhiata al Solr wiki, si tratta di una documentazione abbastanza completa.

In particolare vedere ExtractingRequestHandler, che consente di indicizzare file binari come documenti Word e PDF. Here's an introduction all'argomento.

Se il wiki non è abbastanza per voi, c'è anche un great book about Solr.

Answer 2

ho trovato le stesse sfide con la documentazione di base, ma mi sono imbattuto in questa guida di riferimento molto utile da LucidImagination, che ha contribuito a chiarire un sacco di cose su SOLR:

http://docs.lucidworks.com/display/solr/Apache+Solr+Reference+Guide

Answer 3

l'elaborazione di documenti ricchi con Solr: http://wiki.apache.org/solr/UpdateRichDocuments